Tecnologia indossabile nel rilevamento e nella valutazione dei disturbi respiratori legati al sonno (ReSTech)

Negli ultimi anni, i disturbi del sonno hanno acquisito importanza a causa della loro elevata prevalenza e del loro impatto sulla vita quotidiana, influenzando la capacità delle persone di svolgere le attività quotidiane e riducendo la qualità della vita. Questi disturbi includono difficoltà ad addormentarsi, interruzioni respiratorie e scarsa qualità del sonno, tra cui i disturbi respiratori legati al sonno (SRBD), come l'apnea ostruttiva del sonno (OSA), particolarmente significativi. L'OSA, che comporta ripetute ostruzioni delle vie aeree durante il sonno, è particolarmente comune negli anziani, negli individui con obesità e negli uomini, ma rimane spesso sottodiagnosticata.

L’SRBD non solo disturba il sonno, ma aumenta anche il rischio di patologie croniche come diabete, ipertensione e ictus, creando al contempo un onere economico dovuto alla maggiore domanda di risorse mediche. I loro effetti sulla salute fisica e mentale portano ad affaticamento, riduzione della produttività, incidenti sul lavoro e persino disabilità, evidenziando la necessità di strumenti diagnostici e gestionali più efficienti.

Sebbene la polisonnografia (PSG) sia il gold standard per la diagnosi dei disturbi del sonno, il suo costo elevato e la natura invasiva ne limitano l’accessibilità. I dispositivi indossabili, come braccialetti e orologi, offrono un’alternativa più accessibile e non invasiva, fornendo dati in tempo reale su sonno, frequenza cardiaca e attività. Sebbene promettenti, questi dispositivi necessitano ancora di ulteriori ricerche per confermare la loro accuratezza nel rilevamento dell’SRBD. Questo progetto mira a valutare l’efficacia dei dispositivi indossabili come strumenti complementari nella diagnosi e nella gestione di questi disturbi. Nello specifico, ha i seguenti obiettivi specifici: (1) Valutare l'accuratezza, la specificità e la sensibilità dei dispositivi indossabili, come braccialetti e orologi, nella misurazione della saturazione di ossigeno nel sangue, della frequenza cardiaca e dell'attività, rispetto alla poligrafia notturna. (2) Analizzare l'efficacia di questi dispositivi nell'identificare individui con potenziali disturbi respiratori legati al sonno (SRBD) utilizzando tecniche di apprendimento non supervisionato. (3) Valutare l’impatto e le prestazioni di un modello di intelligenza artificiale per individuare e classificare potenziali SRBD.